[发明专利]一种基于天牛须搜索的粒子群算法求解柔性作业车间调度的方法

说明书

一种基于天牛须搜索的粒子群算法求解柔性作业车间调度的方法，它利用天牛须搜索对粒子群算法进行改进，并混合变邻域搜索算法，实现柔性作业车间调度。本发明有效地解决在求解柔性作业车间调度问题中的深度性与稳定性不足等难题。为平衡全局搜索和局部搜索能力，本发明将变邻域算法巧妙融合进混合粒子群算法中，增强算法的局部搜索能力。该混合算法首次被运用在柔性作业车间调度领域，可以有效提高调度方案的质量。考虑到柔性作业车间染色体的编码方式，需对混合粒子群算法进行适当编码改进，以免产生不可行解，同时引进遗传操作，增强其全局搜索能力，从而提高算法的鲁棒性。

技术领域

本发明涉及一种生产调度技术，尤其是一种基于天牛须搜索的改进粒子群算法求解柔性作业车间调度的方法，天牛须搜索自首次被提出来为止仍然没有被运用到柔性作业车间调度领域，运用在此领域可以获得良好的调度方案。

背景技术

制造业是国民经济的主体，是立国之本、兴国之器、强国之基。为了加快实现到2025 年我国迈入制造强国的战略目标，制造行业对于车间的调度方案优化、效率优化等研究有着迫切的需求。柔性作业车间调度问题(Flexible Job Shop Scheduling Problem，简称FJSP) 是传统作业车间调度问题的扩展，是实际生产中迫切需要解决的一类问题。相对传统作业车间调度问题(Job Shop Scheduling Problem，简称JSP)，FJSP更为复杂，因为首先要为每个工序分配合理的机器，然后才是工序调度问题。FJSP是对JSP的扩展，由于已经证明JSP是 NP—hard问，所以FJSP也是NP—hard问题。FJSP包括两个子问题：(1)机器分配，为每道工序分配合理的机器；(2)工序排列，即在选定的机器集上安排工序的起止加工时间。

FJSP由Brucker和Schlie于1990年提出，到目前为止，已经有各种不同的优化算法被用于这类问题的求解，如Willian等融合帝国竞争算法和禁忌搜索算法，以最小化生产周期为目标求解FJSP。姜天华使用混合灰狼优化算法求解FJSP，以灰狼算法为基础，加入遗传算子提升算法的全局搜索能力，加入变邻域搜索算法以加强算法的局部搜索能力。但是诸多优化方法都是基于传统智能优化算法来进行优化的，其他新型智能优化算法在作业车间调度领域也可以有很好的效果，把新型算法糅合进传统算法也是未来求解组合优化问题的一种趋势。

发明内容

本发明的目的是针对现有的柔性车间调度使用的BAS算法仅针对个体，不考虑群体之间的连接关系，PSO侧重于群体对于单个粒子的影响，忽略了粒子在搜索过程中自己对环境周围的判断，导致了深度性与稳定性不足。本发明提出的算法将BAS和PSO模型结合在一起，PSO的每一个粒子被描述为天牛并行搜索，在迭代过程中，更新天牛位置的方式，不再仅仅依赖全局最佳调度方案和天牛个体的当前最优调度方案，而是添加了天牛天线搜索思想，可以在每次迭代过程中对环境空间判断。除此之外，本发明还在迭代过程中糅合变邻域算法，对优秀个体进行局部搜索，以防止该算法陷入局部最优，以较高的概率收敛到全局最优。

本发明的技术方案是：

一种基于天牛须搜索的粒子群算法的求解柔性作业车间调度的方法，它把天牛须搜索和变邻域搜索同时糅合进粒子群算法，实现柔性作业车间调度，其特征在于它包括以下步骤：

步骤1：初始化算法参数，设置PSO种群的大小为N，最大迭代次数MAX，学习因子为c1、c2、c3，以及每个甲壳虫天线感知长度为d₀，天牛进化步长δ，在柔性作业车间调度中以求解最大完工时间最小为单目标，在本发明中定义适应度值为最大完工时间的倒数；

步骤2：初始化调度解种群，该种群分两段编码，即机器序列编码和工序序列编码；机器编码和工序编码长度相等；初始化粒子的速度向量v和惯性权重w；种群初始化对于算法求解的速度与质量有很大影响；

步骤3：利用活动解码计算每个个体的适应度，进行适应度排序，通过逐一比较得到当前的全局最优解；